【python crawler】TOP250电影排行

本文是TOP250电影排行crawler的笔记

源代码

import re
import requests
import csv

row_url = "https://movie.douban.com/top250"

headers={
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36"
}

target = re.compile(r'<li>.*?<span class="title">(?P<name>.*?)</span>.*?'
                    r'<br>.*?(?P<year>[0-9]*?)&nbsp'
                    r'.*?<span class="rating_num" property="v:average">(?P<score>.*?)</span>'
                     r'.*?<span class="inq">(?P<quote>.*?)</span>'
                    r'.*?</li>',re.S)
f = open("data.csv",mode="w",newline='')
csvwriter = csv.writer(f)
title = ["电影名","年份","评分","quote"]
csvwriter.writerow(title)

for i in range(10):
    url = row_url + "?start=%d"%(i*25)
    print(url)
    resp = requests.get(url,headers=headers)
    data = resp.text
    result = target.finditer(data)
    for it in result:
        
        csvwriter.writerow(it.groupdict().values())
    resp.close()


f.close()

1. 导入需要的python库

import re
import requests
import csv

2. 准备工作

准备好豆瓣地址,GET请求头"User-Agent"(反反爬虫),正则语法预编译,csv文件

查看网页源代码,发现"https://movie.douban.com/top250"的数据是服务器直接渲染在源代码中的:

<li>
            <div class="item">
                <div class="pic">
                    <em class="">1</em>
                    <a href="https://movie.douban.com/subject/1292052/">
                        <img width="100" alt="肖申克的救赎" src="https://img2.doubanio.com/view/photo/s_ratio_poster/public/p480747492.webp" class="">
                    </a>
                </div>
                <div class="info">
                    <div class="hd">
                        <a href="https://movie.douban.com/subject/1292052/" class="">
                            <span class="title">肖申克的救赎</span>
                                    <span class="title">&nbsp;/&nbsp;The Shawshank Redemption</span>
                                <span class="other">&nbsp;/&nbsp;月黑高飞(港)  /  刺激1995(台)</span>
                        </a>


                            <span class="playable">[可播放]</span>
                    </div>
                    <div class="bd">
                        <p class="">
                            导演: 弗兰克·德拉邦特 Frank Darabont&nbsp;&nbsp;&nbsp;主演: 蒂姆·罗宾斯 Tim Robbins /...<br>
                            1994&nbsp;/&nbsp;美国&nbsp;/&nbsp;犯罪 剧情
                        </p>

                        
                        <div class="star">
                                <span class="rating5-t"></span>
                                <span class="rating_num" property="v:average">9.7</span>
                                <span property="v:best" content="10.0"></span>
                                <span>2804339人评价</span>
                        </div>

                            <p class="quote">
                                <span class="inq">希望让人自由。</span>
                            </p>
                    </div>
                </div>
            </div>
        </li>

定位到TOP1电影肖申克救赎所在的位置,根据内容和想要爬取的数据来编写正则化语法(re.S表示.可以匹配换行符),这里我获得了电影名、年份、评分和quote:

row_url = "https://movie.douban.com/top250"

headers={
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36"
}

target = re.compile(r'<li>.*?<span class="title">(?P<name>.*?)</span>.*?'
                    r'<br>.*?(?P<year>[0-9]*?)&nbsp'
                    r'.*?<span class="rating_num" property="v:average">(?P<score>.*?)</span>'
                     r'.*?<span class="inq">(?P<quote>.*?)</span>'
                    r'.*?</li>',re.S)
f = open("data.csv",mode="w",newline='')
csvwriter = csv.writer(f)
title = ["电影名","年份","评分","quote"]
csvwriter.writerow(title)

3. 分页查询,将爬取结果写入CSV文件

for i in range(10):
    url = row_url + "?start=%d"%(i*25)
    print(url)
    resp = requests.get(url,headers=headers)
    data = resp.text
    result = target.finditer(data)
    for it in result:
        
        csvwriter.writerow(it.groupdict().values())
    resp.close()


f.close()

查看最终结果:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值